[发明专利]视频片段定位方法、装置、计算机设备及存储介质

说明书

本申请公开了一种视频片段定位方法、装置、计算机设备及存储介质，属于视频处理技术领域。本申请通过获取视频单元维度的单元特征，根据单元特征确定视频片段的片段特征，获取到的片段特征中融合了多个视频单元的特征和视频单元之间的时序关联性；再将视频片段的片段特征与目标文本的文本特征进行融合，特征融合过程中充分应用了视频片段维度的特征以及各个视频片段之间的时序关联性，从而基于融合后的特征可以获取到更准确的注意力权重，由注意力权重来表示视频片段和目标文本之间的匹配度，进而在基于注意力权重进行视频片段定位时，可以更准确的定位出与目标文本相匹配的目标视频片段。

技术领域

本申请涉及视频处理技术领域，特别涉及一种视频片段定位方法、装置、计算机设备及存储介质。

背景技术

随着视频应用的普及，网络中的视频数量越来越多，在视频观看时，基于一段文本信息快速、准确地定位到一段视频片段的需求也越来越大。

目前，在基于一段文本信息进行视频片段定位时，通常是需要将文本信息和视频输入视频识别模型，由视频识别模型提取视频中各个视频帧的帧特征以及文本信息的文本特征，基于帧特征与文本特征，进行视频帧与文本信息的匹配，从而确定出各个视频帧与文本信息的之间匹配度，进而在视频中定位出与文本信息最匹配的视频片段。

在上述视频片段定位过程中，仅获取到每个视频帧的特征，基于视频帧维度的特征进行视频片段定位，缺乏对视频片段维度的特征的应用，运算过程中也就无法融合视频片段之间的关联性，导致视频片段的定位结果准确率较低。

发明内容

本申请实施例提供了一种视频片段定位方法、装置、计算机设备及存储介质，可以提高视频片段定位结果的准确率。该技术方案如下：

一方面，提供了一种视频片段定位方法，该方法包括：

对视频中视频片段所包括的至少两个视频单元进行特征提取，得到该至少两个视频单元的单元特征；

基于至少两个视频片段所包括的视频单元以及该至少两个视频单元的单元特征，获取该至少两个视频片段的片段特征；

将该至少两个视频片段的片段特征分别与目标文本的文本特征进行特征融合，得到该至少两个视频片段的融合片段特征；

基于该至少两个视频片段的融合片段特征，得到该至少两个视频片段的第一注意力权重，该第一注意力权重用于指示视频片段与该目标文本之间的匹配度；

从该至少两个视频片段中，获取与该目标文本之间的匹配度满足参考条件的视频片段，作为目标视频片段。

一方面，提供了一种视频片段定位装置，该装置包括：

第一获取模块，用于对视频中视频片段所包括的至少两个视频单元进行特征提取，得到该至少两个视频单元的单元特征；

第二获取模块，用于基于至少两个视频片段所包括的视频单元以及该至少两个视频单元的单元特征，获取该至少两个视频片段的片段特征；

特征融合模块，用于将该至少两个视频片段的片段特征分别与目标文本的文本特征进行特征融合，得到该至少两个视频片段的融合片段特征；

第三获取模块，用于基于该至少两个视频片段的融合片段特征，得到该至少两个视频片段的第一注意力权重，该第一注意力权重用于指示视频片段与该目标文本之间的匹配度；

第四获取模块，用于从该至少两个视频片段中，获取与该目标文本之间的匹配度满足参考条件的视频片段，作为目标视频片段。

在一种可能实现方式中，该第二获取模块包括：

初始片段特征获取子模块，用于基于该至少两个视频片段所包括视频单元的单元特征，确定该至少两个视频片段的初始片段特征；